feat: 光谱黄金区间过滤 — 训练波长统一收缩到 400-1000nm

- 新增 WAVELENGTH_RANGE = (400.0, 1000.0) 类常量
- 新增 _is_wavelength_in_range() 范围感知波长列判断
- _extract_train_wavelengths() 自动过滤超出区间的波长
- _extract_feature_columns / train_single_model / pre-scan 三处调用点
  统一切换为范围感知判断
- 效果: 308 波段 → 300 波段 (裁掉 <400nm 的 4 个 + >1000nm 的 4 个)
- 推理端通过 metadata train_wavelengths 自动继承过滤后的网格

src/core/modeling/modeling_batch.py

@@ -250,6 +250,9 @@ class WaterQualityModelingBatch:
         self.results = {}
         self.best_models = {}
 
+    # ★ 黄金光谱区间：统一收缩到 400-1000nm，消除边缘噪声和跨传感器不一致
+    WAVELENGTH_RANGE = (400.0, 1000.0)
+
     @staticmethod
     def _is_wavelength_column(col_name: str) -> bool:
         """判断列名是否为波长值（纯数字字符串，如 '374.285004'）"""
@@ -259,22 +262,35 @@ class WaterQualityModelingBatch:
         except (ValueError, TypeError):
             return False
 
+    @classmethod
+    def _is_wavelength_in_range(cls, col_name: str) -> bool:
+        """判断列名是否为波长值且在黄金区间 [400, 1000] nm 内。"""
+        try:
+            wl = float(str(col_name))
+            lo, hi = cls.WAVELENGTH_RANGE
+            return lo <= wl <= hi
+        except (ValueError, TypeError):
+            return False
+
     @staticmethod
     def _is_wqi_column(col_name: str) -> bool:
         """判断列名是否为 WQI 水质指数列（'WQI_' 前缀）"""
         return str(col_name).startswith('WQI_')
 
-    @staticmethod
-    def _extract_train_wavelengths(columns) -> List[float]:
-        """从列名列表中提取波长值（float 列表）
+    @classmethod
+    def _extract_train_wavelengths(cls, columns) -> List[float]:
+        """从列名列表中提取波长值（float 列表），自动过滤到黄金区间。
 
-        遍历列名，将所有可转为 float 的列名提取为波长列表。
+        遍历列名，将所有可转为 float 且落在 [400, 1000] nm 的列名提取为波长列表。
         用于写入模型 metadata['train_wavelengths']，供推理端光谱重采样。
         """
+        lo, hi = cls.WAVELENGTH_RANGE
         wl_list = []
         for c in columns:
             try:
-                wl_list.append(float(str(c)))
+                wl = float(str(c))
+                if lo <= wl <= hi:
+                    wl_list.append(wl)
             except (ValueError, TypeError):
                 pass
         return wl_list
@@ -327,8 +343,8 @@ class WaterQualityModelingBatch:
                 # 跳过元数据列
                 if col_lower in _meta_patterns:
                     continue
-                # 保留波长列
-                if self._is_wavelength_column(col):
+                # 保留波长列（仅黄金区间 400-1000nm）
+                if self._is_wavelength_in_range(col):
                     feature_indices.append(i)
                 # 保留 WQI 列
                 elif self._is_wqi_column(col):
@@ -613,9 +629,9 @@ class WaterQualityModelingBatch:
         # ★ DualStream_MNF：只取纯光谱列，WQI 由 Pipeline 内 PhysicalExtractor 动态计算
         # ═══════════════════════════════════════════════════════════
         if preprocess_method in ("DualStream_MNF", "Physical_Only"):
-            _spec_cols = [c for c in X_raw.columns if self._is_wavelength_column(c)]
+            _spec_cols = [c for c in X_raw.columns if self._is_wavelength_in_range(c)]
             X_raw = X_raw[_spec_cols]
-            print(f"[{preprocess_method}] 精简为纯光谱: {X_raw.shape[1]} 列 "
+            print(f"[{preprocess_method}] 精简为纯光谱(400-1000nm): {X_raw.shape[1]} 列 "
                   f"({X_raw.columns[0]} ~ {X_raw.columns[-1]} nm)")
 
         # 使用指定方法分割训练集和测试集
@@ -975,9 +991,9 @@ class WaterQualityModelingBatch:
 
                 X_clean = X_raw[mask]
 
-                # 只保留纯光谱列（与 DualStream_MNF Pipeline 内的逻辑一致）
+                # 只保留纯光谱列（与 DualStream_MNF Pipeline 内的逻辑一致，400-1000nm）
                 _spec_cols = [c for c in X_clean.columns
-                              if self._is_wavelength_column(c)]
+                              if self._is_wavelength_in_range(c)]
                 X_spec = X_clean[_spec_cols].values.astype(np.float64)
 
                 try: